Как пользоваться планом
Шаги идут по порядку: каждый опирается на предыдущий. На каждом шаге — что понять, что почитать и что сделать руками. Читать все ссылки подряд не нужно: бери первую, остальные — когда упрешься.
Почти все материалы на английском. Если английский слабый — открывай страницу в браузере с переводом или кидай ссылку в Claude или ChatGPT и проси пересказать по-русски.
Claude и часть сервисов из гайда официально недоступны. Советов, как это обойти, тут нет — подходы из гайда работают с любыми агентами и моделями.
Harness вместо промптов
Волшебные промпты остались в 2024-м. Сейчас результат решает не формулировка запроса, а то, что вокруг модели: инструменты, память, правила, проверки. Это и называют harness — обвязка агента.
Термин не мой: так Anthropic называет свой Agent SDK, а OpenAI в феврале 2026-го выпустила пост «Harness engineering».
Из чего состоит обвязка
| Деталь | Что делает |
|---|---|
| MCP | Подключает модель к внешним сервисам и данным по единому протоколу — как USB-C для ИИ |
| Скиллы | Папка с инструкцией SKILL.md: модель подгружает нужные знания, только когда задача их требует |
| Субагенты | Отдельные агенты со своим контекстом: один ищет, другой пишет, третий проверяет |
| Роутинг | Простые задачи — дешевой модели, сложные — сильной |
Почему это работает
Одна и та же открытая модель в разных обвязках дает разный результат. В отчете команды Qwen (февраль 2026) GLM-4.7 на бенчмарке Terminal-Bench 2.0 набирает от 31,5 до 44,9 — в зависимости только от обвязки.
Это данные одного вендора, и топовые закрытые модели обвязкой пока не догнать.
Мой пример
Этот блог ведут три скилла — креатив, дизайн, аналитика — и отдельный субагент-ресерчер, который проверяет факты по первоисточникам. Модель одна, а роли и правила — в обвязке.
Что почитать
- Anthropic, «Effective harnesses for long-running agents» — живой пример обвязки: файл прогресса, список задач, git, тесты. EN
- «What is MCP?» — что такое MCP и куда двигаться дальше. EN, начальный
- Agent Skills — как устроен скилл. EN, начальный
- Claude Code, «Subagents» — зачем делить работу между агентами. EN
- OpenRouter, Quickstart — сотни моделей через один API, основа роутинга. EN
- Для любопытных: Qwen3-Coder-Next Technical Report, табл. 3–5 — цифры по обвязкам. EN, продвинутый
Практика
Возьми задачу, которую делаешь каждую неделю. Напиши для нее один скилл: что делать, в каком формате отдавать, чего не делать. Подключи один MCP к сервису, с которым работаешь (Notion, Google Drive, GitHub).
ты можешь объяснить коллеге, чем скилл отличается от промпта, а MCP — от плагина.
Рабочий инструмент вместо сертификата
Сертификат по промптам никто не спросит. Спросят: что ты сделал и кто этим пользуется. Поэтому лучшее портфолио — один инструмент на ИИ, который решает твою рабочую задачу и которым реально пользуешься ты или коллеги.
Честно про себя
Я в начале наклепал кучу бесполезного софта — парсеры, боты, автопостер, — на котором учился. Не повторяй: начинай с задачи, а не с технологии.
Как найти задачу
Есть два вида методов — одни описывают процесс, другие ищут в нем проблему:
Описать процесс
- BPMN — стандартная нотация: рисуешь процесс «как есть», прежде чем автоматизировать
- IDEF0 — функциональное моделирование. Старый стандарт США, отозван в 2008-м, — полезен как идея, не как учебник
Найти проблему и решение
- Теория ограничений (TOC) — пять шагов: найти узкое место и расшить его
- Kepner-Tregoe — разбор проблемы: первопричина, решение, риски
- ТРИЗ — решение через противоречия, приемы Альтшуллера
Для старта хватит двух: нарисуй процесс в BPMN и найди узкое место по TOC. Узкое место — твой кандидат на инструмент.
Что почитать
- TOC Institute, «Five Focusing Steps». EN, начальный
- OMG, BPMN 2.0.2. EN, средний
- Фонд Альтшуллера — первоисточники ТРИЗ. RU
- Глоссарий ТРИЗ (MATRIZ, 2018). EN с русскими терминами
- Kepner-Tregoe, курс PSDM — платно, для тех, кто решил копать глубоко
Практика
Нарисуй свой рабочий процесс на листе: 5–10 шагов. Отметь, где ждешь, где копируешь руками, где ошибаешься. Выбери один такой шаг и собери под него инструмент — скилл, бота, скрипт — с помощью Claude Code или Codex.
инструментом пользуется кто-то кроме тебя — или ты сам, но каждую неделю.
Эффект в деньгах
Почти половина опрошенных Gartner (49%, опрос 2024 года) назвали главным барьером внедрения ИИ то, что его пользу трудно оценить и показать. Если ты умеешь посчитать эффект — ты уже ценнее того, кто просто «пользуется нейронками».
Метрики, с которых начать
Это не стандарт, а рабочий набор: часть похожа на то, как GitHub считает метрики Copilot, остальное — здравый смысл для любого внедрения.
| Метрика | Что считает |
|---|---|
| Adoption rate | Сколько людей реально пользуются инструментом |
| Acceptance rate | Сколько результатов принято без правок |
| Экономия времени | Часы на задачу до и после |
| Стоимость операции | Сколько стоит одна задача: токены + время человека |
| Возвраты человеку | Как часто ИИ не справился и задача вернулась к человеку |
Как проверить, что работает обвязка, а не модель
Абляция: оставь ту же модель, убери скилл или MCP — и сравни результат на одних и тех же задачах.
Эффект ИИ приходит с запаздыванием: сначала нужны изменения в процессах и новые навыки, и только потом рост. ИИ усиливает уже существующую систему, а не чинит сломанную.
Что почитать
- Gartner, пресс-релиз 07.05.2024 — откуда 49%. EN
- GitHub Docs, метрики Copilot — как вендор делит метрики и почему они не доказывают причинность. EN
- DORA 2025, «State of AI-assisted Software Development». EN
- Brynjolfsson, Rock, Syverson, «AI and the Modern Productivity Paradox» (NBER). EN, продвинутый
- Davenport, «The AI Advantage» — начинать с низко висящих плодов, а не с прорывов. EN; на русском в «Альпине» — «Внедрение искусственного интеллекта в бизнес-практику», платно
- Mollick, «Co-Existence and the End of Co-Intelligence» — автор сам объясняет, почему рамка «ИИ как помощник в чате» устарела в эпоху агентов. EN, бесплатно
Практика
Для инструмента из шага 2 замерь «до»: сколько минут занимает задача и сколько раз в неделю. Через две недели — «после». Переведи разницу в часы и деньги по своей ставке.
можешь одной фразой сказать руководителю: «Этот инструмент экономит N часов в месяц, это X рублей».
Пайплайны, а не задачи
Точечные внедрения в итоге превращаются в обслуживание отдельных агентов: у каждого свои настройки, поломки и обновления. Ценность — в цепочке, где результат одного шага сам становится входом следующего.
Мой пример
Этот блог — одна цепочка: идея → ресерч → сценарий → публикация → кодовое слово в комментариях → автоматический ответ в Direct → метрики сами падают в карточку контента → аналитика подсказывает следующую идею.
Дисциплины, которые помогают строить цепочки
| Дисциплина | Зачем |
|---|---|
| Менеджмент бизнес-процессов | Видеть процесс целиком, а не отдельную задачу |
| Continuous improvement | Улучшать маленькими циклами: план → сделать → проверить → закрепить (PDCA) |
| Управление изменениями | Чтобы люди реально перешли на новый процесс |
| Интеграционная инженерия | Как соединять системы между собой |
| Юнит-экономика | Сколько стоит и сколько приносит одна операция |
| Управление продуктом | Делать то, чем будут пользоваться: проверять ценность и выполнимость до сборки |
Что почитать
- Enterprise Integration Patterns — словарь для соединения систем. EN
- Kotter, «8 Steps» — как провести изменение через команду. EN
- Prosci, ADKAR — почему человек не принимает изменение и на каком шаге застрял. EN
- Lean Enterprise Institute, PDCA — базовый цикл улучшения. EN
- Сбер, «Юнит-экономика» — формулы на простых примерах. RU, бесплатно
- Marty Cagan, «The Four Big Risks» — четыре вопроса до того, как что-то строить. EN
Практика
Возьми инструмент из шага 2 и найди шаг до и после него. Соедини их так, чтобы руками переносить ничего не пришлось.
в цепочке из трех шагов ты не трогаешь ни один руками.
Локальная модель на своем железе
Не потому, что локальная модель лучше или дешевле облачной. А потому, что руками поймешь, что такое параметры, квантование и почему модель глючит на длинном контексте. После этого магия заканчивается — остается инструмент.
Три понятия
- Параметры — размер модели: 0,6B, 4B, 8B миллиардов весов. Больше — умнее, но тяжелее.
- Квантование — сжатие весов до меньшего числа бит. Модель легче и быстрее, но чуть глупее. Формат файла — GGUF.
- Окно контекста — сколько текста модель держит за раз. Модели лучше всего находят нужное в начале и в конце длинного текста и заметно хуже — в середине. Это показали в исследовании «Lost in the Middle», даже для моделей с длинным контекстом.
Что нужно
По официальным требованиям LM Studio рекомендовано 16 ГБ памяти; на 8 ГБ могут работать маленькие модели. Маленькие модели правда маленькие: qwen3:0.6b весит 523 МБ, qwen3:4b — 2,5 ГБ, gemma3:1b — 806 МБ (это размер скачивания, а не требование к памяти).
Насколько «копеечным» может быть железо: Jeff Geerling замерил Llama 3.2 3B на Raspberry Pi 5 — около 4,9 токена в секунду на версии с 16 ГБ и 4,6 на 8 ГБ. Медленно, но для экспериментов хватит.
Как начать
- Установи Ollama или LM Studio.
- Скачай маленькую модель, например из семейства qwen3.
- Задай один и тот же вопрос версиям разного размера — сравни ответы.
- Дай модели длинный текст и спроси про факт из середины. Потом поменяй окно контекста в настройках — и посмотри, что изменится.
Что почитать
- LM Studio, System Requirements — запустится ли на твоем компьютере. EN
- Ollama на GitHub — самый простой старт. EN
- Ollama FAQ — окно контекста и как его поменять. EN
- Hugging Face, GGUF — типы квантования. EN, средний
- llama.cpp — движок под капотом. EN, средний
- Liu et al., «Lost in the Middle». EN, средний
- Jeff Geerling, ai-benchmarks — реальные замеры скорости на Raspberry Pi и другом железе. EN
можешь объяснить, почему 8B-модель в Q4 помещается в ноутбук, а 70B — нет.